numpy.exponential稍有不同的行为

我已经在两台不同的机器上安装了Python3.6，发行版Anaconda。我不能发誓我使用了相同的安装程序文件，尽管我认为我是这样做的。我看到同样的，当我尝试了Python，巨蟒和numpy的版本： numpy.exponential稍有不同的行为

我是越来越小的数值差异。经过一些调试后，我成功地将问题简化为调用numpy.exp。只需运行代码

import numpy as np 

x = -0.1559828702879514361612223 
y = np.exp(x) 
print("The exponential of %0.25f is %0.25f" % (x, y))

我得到

The exponential of -0.1559828702879514361612223 is 0.8555738459791129013609634

第一（ '服务器'）机

和

The exponential of -0.1559828702879514361612223 is 0.8555738459791127903386609

在第二（ '本地'）的机器。

我知道浮点数没有25位小数精度，但这些差异在我的代码中传播，发生在小数点后12位左右。

什么可能是不同行为的原因？

2017-06-07 zeycus

对于它的价值，我得到与你的“服务器”相同的输出，同时拥有更新的numpy和更老的python。也许与处理器有关？ –

尽量避免将代码作为图片添加进去，因为它使搜索引擎无法使用 –

@IgnacioVergaraKausel Thx。也许你是对的，我认为结果是独立于处理器的，但也许不是。可能出于无知，如果是这种情况，我发现它不安：我更换我的机器，然后我的号码变化？！ – zeycus

这不是关于NumPy，而是关于浮点操作的结果是系统相关的。如果不使用NumPy，您可以使用math.exp代替。一个简单的例子是

math.exp(2**(-53)) - 1

这正好返回0对我的另一台计算机之一，2.22e-16。这两个都是同样错误的，因为math.expm1(2**(-53)) = 1.11e-16的计算表明（顺便说一句，这就是为什么函数expm1存在）。

从某种意义上说，CPU依赖性是否很好，清楚地表明两个系统之间不同的数字是毫无价值的。需要关注的是安排计算以减少loss of significance。

2017-07-10 21:57:21 FTP

谢谢@alex，你的例子很有启发性。我完全不知道这样的CPU依赖性，但我从现在开始。 – zeycus

回答